JP2009151760A - オブジェクト間競合指標計算方法およびシステム - Google Patents

Abstract

【課題】 オブジェクト間の競合指標を計算するための方法とシステムを提供する。
【解決手段】 オブジェクト間の競合指標を計算するための方法は、第１のオブジェクトと第２のオブジェクトとを取得するステップと、関係インスタンスリポジトリに格納されるすべての関係インスタンスから、第１および第２のオブジェクトに関連付けられた関係インスタンスを選択するステップと、選択した関係インスタンスに基づいて、第１および第２のオブジェクト間の外延的競合指標Ｓ_ｏｕｔを第１および第２のオブジェクト間の競合指標として計算するステップとを備える。
【選択図】 図１３

Description

本発明は情報処理に関し、特に、競合相手の自動マイニング／発見を行うための、２オブジェクト（製品／企業等）間における競合指標の計算方法およびシステムに関する。

近年、人々が取得できる情報量は急激に増大している。しかし、特にネットワークと通信技術の急速な発達を背景に、情報量と処理時間に対する要求は年々高まっていることから、大量化、多種多様化、分散化といった情報特性がますます顕著となってきている。情報を手動で処理することは多数の用途で不可能なので、情報の抽出、マイニング、比較、測定、評価といったネットワーク技術とコンピュータ技術を利用して情報処理を行うことが不可欠である。これらのコンピュータ技術のうち、オブジェクト（製品／企業等）間の競合指標を自動的に解析・計算する情報処理技術は特に重要視されている。

現代の競合環境では、ほぼすべての企業が、特に経営判断上不可欠な情報として、競合相手は誰で、どこにいて、何をしているかを知りたがっている。しかし、競合相手が世界中に散在し、市場のプレーヤーと製品が常に変化しているグローバル環境では、競合相手を見つけて監視することは、多大な時間と労力を要するとりわけ困難な作業となる。

「ビジネスインテリジェンス（ＢＩ）」は、生データを情報／知識に変換して、エンタプライズユーザのビジネス決定を支援することを目的とする、広範な技術とアプリケーションを包括する用語である。「競合インテリジェンス（ＣＩ）」は、ＢＩよりも狭義な用語であり、特に、外部ビジネス環境に関する情報の収集、解析、管理を示すために使用される。これらの研究／ビジネス分野は確立されてから何年も経つが、現在のところ競合情報を取得する方法は３つしかない。これらの方法とは、１）競合企業の社員や顧客とのインタビューや交流を通した実地調査、２）Ｇｏｏｇｌｅなどのウェブ検索エンジンを利用して必要な情報を収集し、人手を介して結果を閲覧して要約する方法、３）Ｙａｈｏｏ Ｆｉｎａｎｃｅ、Ｄ＆Ｂ、ｉｎｆｏＵＳＡ、Ｈｏｏｖｅｒｓ、ａｎｄ ＯｎｅＳｏｕｒｃｅなどの公開ソースや購読ソースを利用する方法、である。１）と２）は人間の活動／労力に全面的に頼るため、困難で時間がかかり、しかも収集できる情報の範囲は限られている。３）については、企業情報を蓄積した商用データベースはいくつかあるが、データの規模が小さすぎるという難点がある。例えば、ほとんどのデータベースは単一言語で、コンテンツは金融情報のみ（Ｙａｈｏｏ Ｆｉｎａｎｃｅ、Ｄ＆Ｂなど）か国内企業のみ（ｉｎｆｏＵＳＡなど）にとどまっている。また、これらの商用データベースに蓄積される情報は人手を介して更新されるため、特に世界規模のビジネス環境では、購読者／ユーザが競合に関連する情報をリアルタイムでかつ大規模に収集することは非常に困難であり、ときには不可能でさえある。

競合相手を発見して監視する作業は人手で行うにはきわめて困難であることを考慮すると、競合相手（企業／製品など）間の競合指標を計算するための高効率な競合解析が強く求められていることは明らかである。
本発明で提案される競合指標計算の解決策は、２つのオブジェクト（ドキュメント／レコード）間の類似度指標計算からアイデアを得ているので、関連の類似度指標計算の手法と解決策を以下に要約する。

基本的に、２つのオブジェクト間の類似度指標計算を目的として開発された方法とシステムは、コンテンツベースの手法、引用ベースの手法、ハイブリッド手法の３種類に大別できる。

コンテンツベースの手法は、さらに、ベクトル空間モデル（ＶＳＭ）ベースの方法と属性値ベースの方法の２種類に分類される。ＶＳＭベースの方法は、主に、２つの全文ドキュメント間の類似度指標を計算する用途に適用されている。その基本的な概念とは、１）各ドキュメントを単語頻度ベクトルに分割し、２）全ドキュメントに含まれる全単語を集めた語彙をシステム内に構築し、３）各ドキュメントを、その語彙に対するベクトルとして表現し、４）特定の類似度測定指標（類似度の測定方法は多数あるが、そのうち最も多用されているのは、高次元仮想空間内のベクトル間の角度を計算する余弦測定方法である）を適用して、２つのドキュメント間の類似度を測定する、というものである。属性値ベースの類似度スコアリング方法は、主に、固定の共通スキーマを有する構造的ドキュメント／レコードを対象とする。この類似度測定方法は、ＶＳＭベースの方法と同様に、１）ドキュメントを属性値（各属性はドキュメント／レコードの１つの側面を記述する）のベクトルとして表現し、２）各属性値に関して類似度距離を計算し（このプロセスでは、多種多様な類似度測定指標を利用することができる）、３）類似度指標への貢献度に基づいて属性を分類し、４）分類した属性に加重方針を適用して、ドキュメント／レコードの類似度をその属性値の類似度の加重和として算出する、というステップで構成される。

引用ベースの手法では、２つのオブジェクト間（ウェブドキュメント等）の類似度指標がハイパーリンク／引用情報に基づいて計算される。ハイパーリンク／引用解析はドキュメント（ウェブページ）集合の全体に対して実行されるため、純粋な属性／語ベクトルモデルベースの類似度指標計算方法の結果が改善する。

ハイブリッド手法では、コンテンツだけでなく、全オブジェクト間のリンク構造も考慮して、２つのオブジェクト間の類似度指標が計算される。類似度指標計算で使用される基本的特徴は、ハイパーリンク構造、テキスト情報、ＤＯＭ構造の類似度などである。リンク構造から得た類似度重みは、テキスト情報とＤＯＭ構造の類似度によって調整される。

類似度計算のための一般的な解決策に加えて、下記特許の特定モジュールも本発明に関連しているので、ここに、あらゆる趣旨においてその全体を援用する。

米国特許Ｎｏ．５７３１９９１ 米国特許Ｎｏ．２００５０００４８８０Ａ１ 米国特許Ｎｏ．２００５０１９２９３０Ａ１ 米国特許Ｎｏ．２００４０６８４１３

ただし、競合指標計算に適用する場合には、これらの既存の解決策は以下のような短所を抱える。

第一に、既存の解決策は、２つのドキュメント／レコード間の類似度計算に特化して提案されたものである。競合計算の目的（問題）と類似度計算のそれは直感的には似通っているが、この２つは異なる。概念上は、競合関係は類似度関係の部分集合であり、換言すれば、類似度は競合の十分にして不必要な条件だと言うことができる。２つの対象が類似していることは、必ずしも相競合することを意味しない。これは、具体的には次のように説明することができる。すなわち、１）ターゲットとするオブジェクトが異なる。上記の関連技術は主に２つの自由形式テキストまたは構造的ドキュメント／オブジェクトの間の類似度計算に取り組んでいるのに対し、競合計算は相競合すると思われる２つの対象に関連する。２）ターゲットとする関係が異なる。競合度と類似度の定義は異なっており、競合関係は「１つのオブジェクトの存在／発展が別のオブジェクトにマイナスの影響を及ぼす関係」と定義される。そのため、２つの対象間の競合上の力関係を測定するためには、競合度に関する具体的な方針が必要とされる。

コンテンツベースの手法の場合、類似度計算用の現在の解決策はすべて、ターゲットとなるオブジェクトは同じスキーマを有する（すなわち、すべて全文形式か特定のデータ構造を有する）と想定している。ＶＳＭモデルベースの方法は、比較対象の一方が構造的もしくは半構造的プロファイルを有する状況に対応しておらず、属性値ベースの方法は、比較対象の一方が全文プロファイルを有するか、双方が異種の構造的プロファイルを有する状況に対応していない。しかし、現実には、比較対象のオブジェクトが異なる情報ソース（異種データベースや異なるウェブサイト等）から取得される可能性は高く、その場合は既存の解決策を適用することはできない。また、類似度計算（内包的意味解析による計算）では比較対象のオブジェクトのコンテンツのみが考慮されるため、その結果は、他者の明示的に表現されたコメントの観点が内部で考慮されないという理由から、客観性と包括性に欠けるものとなる可能性がある。

引用ベースの手法とハイブリッド手法では、ハイパーリンク／引用はソースと宛先オブジェクト間の参照または推奨関係を示すため、これはある意味では、他者によって表現された黙示的な意味とみなすことができる。この理由から、類似度計算は、比較対象オブジェクトのコンテンツだけでなく、オブジェクト間のリンク／引用構造も利用して実行される。しかし、ハイパーリンクや引用の意味は明示的に示されず、情報はすべて構文的に利用されるため、これは黙示的・外延的な意味解析とみなすことができる。ここでも、第三者のコメントからの明示的に表現された観点は、内部で考慮されない。

さらに、上記の特許は、共通した固定的な属性／特徴構造を有する特定の製品カテゴリにしか適用できず、これらの特許で採用される方法はカテゴリ類似度指標の計算には適用できない。また、２オブジェクト（製品／企業等）間の比較は、競合の強さを特定できるほどに包括的ではない。したがって、上述した既存の技術では競合指標を導出することは不可能である。

本発明は、従来技術で提案される既存の方法が抱える上記および他の不備と短所を鑑みて取り組まれたものである。本発明は、２オブジェクト（製品／企業等）間の競合指標を得るための方法およびシステムを提供することを目的とする。本発明は、内包的競合指標計算、外延的競合指標計算、および統合（複合的）競合指標計算という３つの態様を有する。これらの態様はいずれも、本発明の競合指標計算方法の典型的な実施例とみなすことができる。

外延的競合指標計算の実施例では、外延的基準、すなわち、第三者情報ソース（ニュースやブログのウェブサイト等）によって明示的に表現された競合関係を利用して競合解析が実行される。当該技術分野でよく知られたテキストマイニング技術や情報抽出技術を利用して、ニュースやブログのウェブサイトから複数タイプの関係インスタンスを抽出することが可能である。

本発明の１つの態様によれば、オブジェクト間外延的競合指標計算方法であって、第１のオブジェクトと第２のオブジェクトとを取得するステップと、関係インスタンスリポジトリに格納されるすべての関係インスタンスから、第１および第２のオブジェクトに関する関連付けられた関係インスタンスを選択するステップと、選択した関連付けられた関係インスタンスに基づいて、第１および第２のオブジェクト間の外延的競合指標を計算するステップとを有することを特徴とするオブジェクト間外延的競合指標計算方法が提供される。１つの実施例においては、第１および第２のオブジェクト間の外延的競合指標を計算するステップは、関係インスタンスリポジトリに格納される全関係インスタンスが属するドキュメント総数に占める、第１および第２のオブジェクトに関する関連付けられた関係インスタンスが属するドキュメント数の比率を、第１および第２のオブジェクト間の外延的競合指標として計算するステップを備えることができる。

本発明の他の態様によれば、オブジェクト間外延的競合指標を計算するシステムであって、第１のオブジェクトＡと第２のオブジェクトＢとを取得するオブジェクト取得手段と、関係インスタンスを格納するための関係インスタンスリポジトリと、関係インスタンスリポジトリに格納されるすべての関係インスタンスから、第１および第２のオブジェクトに関する関係インスタンスを選択する関係インスタンス選択手段と、選択した関係インスタンスに基づいて、第１および第２のオブジェクト間の外延的競合指標を計算する外延的競合指標計算手段とを備えることを特徴とするオブジェクト間外延的競合指標計算システムが提供される。上記と同様に、外延的競合指標計算手段は、関係インスタンスリポジトリに格納される全関係インスタンスが属するドキュメント総数に占める、第１および第２のオブジェクトに関する関係インスタンスが属するドキュメント数の比率を、第１および第２のオブジェクト間の外延的競合指標として計算するように構成することができる。

本発明では、外延的競合指標計算に関連して、内包的基準を使用してオブジェクトプロファイルを比較することにより、２つのオブジェクト間の競合強度を測定する、内包的競合指標計算のための解決策も開示される。具体的には、オブジェクト間内包的競合指標計算方法であって、複数の属性から成る第１および第２のプロファイルを各々有する第１のオブジェクトと第２のオブジェクトとを取得するステップと、オントロジ情報を参照して第１および第２のプロファイルを正規化するステップと、正規化された第１および第２のプロファイルに基づいて、第１および第２のオブジェクト間の内包的競合指標を計算するステップとを備えることを特徴とするオブジェクト間内包的競合指標計算方法が提供される。場合によっては、オントロジ情報を共通属性名語彙とし、異なるオブジェクトのプロファイルを直接的に比較して、競合指標を得ることもできる。まず、第１および第２のプロファイルは、対応するオントロジ情報を使用して正規化される。この正規化は、共通属性名語彙を参照して統一プロファイル構造を生成し、第１および第２のプロファイルに含まれる属性を、前記統一プロファイル内の対応する属性に整合させることによって実行される。その後、整合化された第１および第２のプロファイル内の対応属性の対を対象に競合部分指標を計算し、その競合部分指標の加重和を計算することによって、最終競合指標が得られる。さらに、オントロジ情報をオブジェクトカテゴリツリーとし、ツリー内の各ノードを１つのオブジェクトカテゴリで表し、かつオブジェクトカテゴリツリーには、１つ以上の代表的プロファイルを含めることもできる。この場合は、異なるオブジェクトのプロファイルを間接的に比較して、内包的競合指標が得られる。まず、第１および第２のプロファイルは、対応するオントロジ情報を使用して正規化される。この正規化は、第１および第２のプロファイルを、オブジェクトカテゴリツリーの１つ以上のノードにそれぞれマッピングすることで実行される。その後、オブジェクトカテゴリツリーのノード対における意味的距離と、プロファイルが対応ノード対に関連づけされる確率とを参照して、最終内包的競合指標が得られる。

さらに、統合競合指標計算の実施例においては、内包的競合指標計算と外延的競合指標計算の結果を動的に統合することにより、２つのオブジェクト（製品／企業等）間の統合競合指標を生成することができる。最終競合指標の客観性と包括性を確保するため、まず、外延的競合指標計算で抽出された関係インスタンスのデータ品質が解析され、これにより信頼性の有無もしくは信頼度が判定される。この結果は、統合競合指標計算で使用する重み付け係数を割り当てる際に利用される。続いて、外延的競合指標と、オブジェクトの各対の内包的競合指標とを結合するための適応型メカニズムを適用して、内包的意味解析の結果と外延的意味解析の結果の両方を反映した最終統合競合指標が導出される。この結合プロセスにおいて、内包的競合指標と外延的競合指標との間に矛盾が生じた場合には、調整可能ポリシーによって処理することができる。調整可能ポリシーは、主に、時間に関連する統計情報と、その情報ソースの信頼性とに基づいてこの処理を行う。

本発明によれば、新しい定義に基づいた、よく知られた類似度指標とは異なる２つのオブジェクト（製品／企業等）間の競合指標を計算することができる。

外延的競合指標は第三者（他者が発信したニュースやブログ等）で明示的に表現された関係インスタンスから生成されるため、結果として得られる競合指標は内包的競合指標計算の結果よりも客観的である。

さらに、統合競合指標計算においては、内包的競合指標計算と外延的競合指標計算とを結合するための動的メカニズムが使用されるため、情報ソースの品質を最大限に活用することができる（知識由来解析）。最終統合競合指標には、オブジェクトプロファイルの類似度だけでなく、第三者が発信したコメントも反映されるため、統合競合解析では、純粋な内包的競合解析（コンテンツベース競合解析）や外延的競合解析方法に比較して、より包括的な結果を得ることができる。

さらに、外延的または統合競合指標計算においては、競合指標に加えて、ウェブ上のニュースやブログに付加されたタイムスタンプを関係インスタンスにマッピングし、さらには最終競合指標にもマッピングできるため、競合関係の時間的（時間依存）解析もサポートされる。関係インスタンスには、これに加えてロケーションや産業ドメインなどの付加的情報も含まれるため、これらを活用すれば特定の市場を対象とした様々な解析も可能になる。

本発明の上記および他の特徴と利点は、図面を参照しながら下記の詳細な説明を読むことによりさらに明白となるであろう。ただし、本発明の範囲は、本書で説明する特定の具体例または実施例に限定されないことに留意されたい。

本発明の上記および他の特徴と利点は、図面を参照しながら下記の詳細な説明を読むことにより、より完全に理解することができる。

本発明による、内包的競合指標を計算するための内包的競合指標計算システムの構造的ブロック図である。 図１に示す内包的競合指標計算システムの動作の一例を示すフローチャート図である。 共通属性名語彙に基づいて属性を整合化することによりプロファイルの正規化を実行する、直接方式の内包的競合指標計算システムの詳細なブロック図である。 図３に示すシステムの動作を示すフローチャート図である。 内包的競合指標計算における属性整合化プロセスの例である。 図３の競合部分指標計算装置の詳細を示すブロック図である。 属性部分指標計算の方法としてＶＳＭベースの方法を選択した場合の競合部分指標計算装置のブロック図である。 プロファイルをオブジェクトカテゴリツリー内のノードにマッピングすることによりプロファイルの正規化を実行する、間接方式の内包的競合指標計算システムの詳細なブロック図である。 図８に示すシステムの動作を示すフローチャート図である。 オブジェクトカテゴリツリーと、オブジェクトカテゴリツリー内のノード構造に対応する代表的プロファイルの階層を示す概略図である。 間接モードの内包的競合指標計算において、プロファイルをオブジェクトカテゴリツリー内のノードにマッピングすることにより競合指標を計算する場合のプロセスの一例を示す。 本発明による、外延的競合指標を計算するための外延的競合指標計算システムの構造的ブロック図である。 図１２に示す外延的競合指標計算システムの動作の一例を示すフローチャート図である。 外延的競合指標計算手段の内部構造を詳細に示した、本発明の外延的競合指標計算システムの一例の詳細なブロック図である。 図１４に示した、外延的競合指標を計算するための外延的競合指標計算システムの動作を示すフローチャート図である。 関連付けられた関係インスタンス内の付加情報に基づいて、オブジェクト間の外延的競合の強さに関する時間的解析、エリア解析、またはドメイン解析を実行するための関係インスタンスフィルタ手段を備える、本発明による外延的競合指標計算システムの他の例を示す詳細なブロック図である。 本発明による、統合競合指標を計算するための統合競合指標計算システムの構造的ブロック図である。 図１７に示す統合競合指標計算システムにおける結合モジュールの一例を示す詳細なブロック図である。 図１８に示す結合モジュールの内包的競合指標と外延的競合指標とを結合するプロセスを示すフローチャート図である。 本発明の実装に使用されるコンピュータシステムの概略ブロック図である。

前述したように、競合関係は、既知の類似度関係とは異なる、まったく新たに定義された関係である。さらに、従来技術で提案される類似度計算のための現在の解決策では、ごく少数の例外を除いて、ターゲットとするオブジェクト（ドキュメント／製品）は同じスキーマを有すると想定される。例えば、ＶＳＭベースの方法は、比較対象の一方が構造的もしくは半構造的プロファイルを有する状況に対応しておらず、属性値ベースの方法は、比較対象の一方が全文プロファイルを有するか、双方が異種の構造的プロファイルを有する状況に対応していないため、既存の解決策を適用することはできない。これらの事実を鑑みて、本発明では、２オブジェクト（製品／企業等）間の競合指標を得るための方法およびシステムが提供される。本発明は、内包的競合指標計算、外延的競合指標計算、および統合（複合的）競合指標計算という、異なる基準に基づく３つの態様を有する。

（内包的競合指標計算）
内包的競合指標計算は、内包的基準に基づいて（すなわち、異なるオブジェクトのプロファイルを比較して、これらのオブジェクト間の競合の強さを評価することにより）オブジェクト間の競合指標を計算するための方法である。内包的競合指標計算は、さらに、直接方式と間接方式の２種類に分類できる。直接方式では、正規化プロセスの直後にオブジェクトプロファイルを比較することにより、競合指標が計算される。間接方式では、オブジェクトカテゴリツリーを媒介してオブジェクトプロファイルを比較することにより、競合指標が計算される。最初に、図１〜１１を参照して、内包的競合指標計算について説明する。

図１は、本発明の内包的競合指標計算システム１００の構造的ブロック図である。図１に示すように、システム１００の主要部分は内包的競合解析モジュール１０であり、このモジュールは、オブジェクト取得手段１０１と、正規化手段１０２と、内包的競合指標計算手段１０３とを含む。システム１００はさらに、オントロジ情報ベース１０４と、オブジェクトデータベース１０５と、内包的競合指標データベース１０６とを含み、このうちオブジェクトデータベース１０５は、ウェブ等の情報ソースから収集されたオブジェクト（製品プロファイル等）を格納する。オントロジ情報ベース１０４は、競合指標計算のために、内包的競合解析モジュール１０によって参照されるオントロジ情報（背景知識）を格納するように構成されている。オントロジ情報は、関心ドメイン内の対象の分類に関する当該ドメインの共通の理解であり、手動または（半）自動的な方法で予め設定することができる。例えば、オントロジ情報には共通属性名語彙１０４１とオブジェクトカテゴリツリー１０４２を含めることができるが、これについては後述する。内包的競合指標データベース１０６は、計算された内包的競合指標を格納するために使用される。

図２は、図１に示すシステム１００の動作の一例を示すフローチャート図である。このプロセスは、比較対象の第１および第２のオブジェクトがオブジェクトデータベース１０５から取得されるステップ２０１から始まる。第１および第２のオブジェクトは、第１のプロファイルＡおよび第２のプロファイルＢに基づいてそれぞれ特徴づけられる。これらのオブジェクトは、たとえ同じカテゴリのオブジェクトでも、複数のソースから収集された可能性がある。その場合は、これらのオブジェクトに対応する第１のプロファイルＡと第２のプロファイルＢは、全文構造と異種構造のような異なる構造を有することになる。ここでは、例えば、Ａ＝（Ａ１−Ｖ_Ａ１，Ａ２−Ｖ_Ａ２，…，Ａｍ−Ｖ_Ａｍ）およびＢ＝（Ｂ１−Ｖ_Ｂ１，Ｂ２−Ｖ_Ｂ２，．．．，Ｂｎ−Ｖ_Ｂｎ）のような属性値集合を使用してこれらのプロファイルを指定する。ここで、ＡｉはプロファイルＡ内のｉ番目の属性、Ｖ_ＡｉはプロファイルＡ内のｉ番目の属性の値である。同様に、ＢｉはプロファイルＢ内のｉ番目の属性、Ｖ_ＢｉはプロファイルＢ内のｉ番目の属性の値である。基本的には、値は属性を記述する目的で使用され、デジタル数字、デジタル数字とアルファベット（場合によっては、漢字や句読点）を組み合わせた混合文字列、テキスト等から成る。全文プロファイルは、１対の属性値のみを有する特殊ケースの構造的プロファイルとして扱われる。次に、ステップ２０２において、競合指標計算をスムーズに行えるように、オントロジ情報ベース１０４から取り出したオントロジ情報（共通属性名語彙１０４１、オブジェクトカテゴリツリー１０４２等）を参照して第１のプロファイルＡと第２のプロファイルＢが正規化される。正規化ステップ（詳細は後述する）は、（１）共通属性名語彙１０４１を参照して統一プロファイル構造を決定し、第１のプロファイルＡおよび第２のプロファイルＢの構造を統一プロファイルのそれに整合させる（以下、「直接方式」という）、または（２）第１のプロファイルＡおよび第２のプロファイルＢをオブジェクトカテゴリツリー１０４２にマッピングする（以下「間接方式」という）、のうちいずれかによって実行できる。その後、ステップ２０３において、正規化された第１および第２のプロファイルＡ、Ｂを使用して、第１および第２のオブジェクト間の内包的競合指標を計算する。

以下では、図３〜７を参照して、直接方式の内包的競合指標計算について説明する。ただし、ここで説明する実施例は例示を唯一の目的とするものであり、本発明はこれら特定の実施例に限定されるものではない。図３は、直接方式の内包的競合指標計算システム３００のブロック図を示す。この図に示すように、プロファイルは、共通属性名語彙に基づいてプロファイルの属性を整合化する方法、すなわち直接方式で正規化される。

図３に示すように、本実施例においては、共通属性名語彙１０４１はオントロジ情報とみなされる。正規化手段１０２は、判定装置３０１と、統一プロファイル構造生成装置３０２と、整合化装置３０３とを含む。内包的競合指標計手段１０３は、競合部分指標計算装置３０４と競合指標計算装置３０５とを含む。さらに、システム３００は、ドメインに固有な競合加重戦略を策定するための競合加重方針ベース３０６も含む（詳細は後述する）。

以下では、まず、図４を参照してシステム３００の動作について説明する。

図２と同様に、このプロセスは、オブジェクト取得手段１０１が比較対象の第１および第２のオブジェクトをオブジェクトデータベース１０５から取得するステップ４０１から始まる。第１および第２のオブジェクトはそれぞれ、第１のプロファイルＡ＝（Ａ１−Ｖ_Ａ１，Ａ２−Ｖ_Ａ２，…，Ａｍ−Ｖ_Ａｍ）と第２のプロファイルＢ＝（Ｂ１−Ｖ_Ｂ１，Ｂ２−Ｖ_Ｂ２，．．．，Ｂｎ−Ｖ_Ｂｎ）を有する。次に、ステップ４０２において、判定装置３０１は、第１および第２のプロファイルＡ、Ｂのタイプを判定する。この動作により、第１および第２のプロファイルＡ、Ｂの構造が解析され、全文プロファイルか構造的プロファイルかが判定され、構造的プロファイルの場合、そのスキーマは何かが判定される。その後、ステップ４０３において、統一プロファイル構造生成装置３０２は判定装置３０１から構造解析の結果を受け取り、共通属性名語彙１０４１を参照して、統一プロファイル構造（Ｃ１，Ｃ２，…Ｃｓ）、すなわちＡ＝（Ｃ１−Ｖ_Ａ１，Ｃ２−Ｖ_Ａ２，…，Ｃｓ−Ｖ_Ａｓ）およびＢ＝（Ｃ１−Ｖ_Ｂ１，Ｃ２−Ｖ_Ｂ２，．．．，Ｃｓ−Ｖ_Ｂｓ）を決定する。この決定された統一プロファイル構造と、共通属性名語彙１０４１とに基づいて、整合化装置３０３は第１および第２のプロファイルＡ、Ｂの構造を認識して、第１および第２のプロファイルＡ、Ｂ内の属性の構造を統一プロファイル内の対応する属性の構造に整合させる（ステップ４０４）。図５は、属性整合化プロセスの一例である。この例では、比較対象のプロファイルは２種類のプリンタに関連し、「印刷速度」、「用紙サイズ」、「ＯＳ」、および「ノイズレベル」という属性を含む。図に示すように、第１のプロファイルＡと第２のプロファイルＢの属性の構造は、統一プロファイルの構造に基づいて整合化される。

その後、ステップ４０５において、整合化された第１および第２のプロファイルＡ、Ｂが競合部分指標計算装置３０４に送られ、各属性の部分指標が計算される。図６に、競合部分指標計算装置３０４の構造を示す。競合部分指標計算装置３０４は、属性タイプ判定装置６０１と、部分指標測定方法セレクタ６０２と、部分指標計算機６０３とを含む。図に示すように、最初に、Ａｉ＝Ｃｉ−Ｖ_ＡｉおよびＢｉ＝Ｃｉ−Ｖ_Ｂｉという２つの属性（値）が属性タイプ判定装置６０１に入力される。ここで、属性Ａ_ｉと属性Ｂ_ｉはそれぞれ第１のプロファイルＡと第２のプロファイルＢに属し、その構造が整合化される。前述したように、各属性値はオブジェクト（製品等）の１つの側面に関する指定であり、そのうち、属性名はオブジェクトのどの側面が記述されているかを示し、値は属性を説明するコンテンツを含む。属性のコンテンツは単一の値でも複数の値でもよく、属性値は単純なデータタイプでも複合的なデータタイプでもよい。競合部分指標計算の方法は、データタイプによって異なるのが一般的である。通常、単一値の属性はさらに、１）値が記号属性（例：列挙型データまたはプレーンテキスト）の場合、および２）値が数値属性（例：浮動）の場合、という２つのケースに分けられる。記号属性（例：全文）のケースでは、競合部分指標の計算にはＶＳＭベースの方法がよく使用され、数値の属性のケースでは、競合部分指標の計算に属性値ベースの方法が使用される。複数値属性は、値の集合を有する属性を処理する際に採用されるが、これもやはり、１）複数値がシーケンス属性の場合、および２）複数値が非シーケンス属性の場合、という２つのケースに分けられる。現実の実装では、複数値属性のための競合指標計算方法が、単一値属性が備える単一値属性用の関数にアクセスして利用することもできる。属性のコンテンツとデータタイプの判定については、関連技術で提案される多数の類似度測定方法を利用できるので、ここでは詳細な説明を省略する。また、上記のケースはあくまで例示であり、本発明は様々なデータタイプ定義を利用して異なる方法で実装することが可能である。

次に、部分指標測定方法セレクタ６０２が選択した測定方法に基づき、部分指標計算機６０３を使用して、属性Ａ_ｉ、Ｂ_ｉ間の競合部分指標ｃ_ｉ（Ａ_ｉ，Ｂ_ｉ）が計算される。

前述したように、属性の値が全文コンテンツのケースでは、属性間の競合部分指標計算としてＶＳＭベースの類似度計算方法を採用することができる。以下では、これについて、図７を参照しながら詳細に説明する。基本的には、ＶＳＭは、全ドキュメントの集合に出現する用語（単語）の特徴ベクトルとしてドキュメントを表現する。例えば、いくつかの実施例では、中国語または日本語のドキュメントを処理する際には、対応する特徴ベクトルを生成する前に、まずドキュメントに含まれる用語（単語）に対してドメインおよび品詞（ＰＯＳ）解析を実行して、解析結果に基づいて加重戦略を適用する必要がある。ドキュメント間の類似度は、こうした特徴ベクトルをベースとするいくつかの類似度測定方法（例：余弦測定方法、ジャカール測定方法）の１つを使用して測定される。

図７は、属性タイプが全文と判定されたケースにおいて、属性Ａ_ｉ、Ｂ_ｉの部分指標を計算する方法としてＶＳＭベースの方法が選択された場合を例にとって、競合部分指標計算装置のブロック図を示したものである。図７に示すように、この例では、部分指標計算機６０３は、ベクトル生成装置７０１と、ＶＳＭベース部分指標計算機７０２と、前処理装置７０４とを含む。まず、全文属性Ａ_ｉ、Ｂ_ｉが前処理装置７０４に入力され、そこで、競合の評価には不要な、固有名詞、製品／企業名等の名前エンティティが最初に削除される。これにより、競合指標計算の精度を向上させることができる。続いて、前処理された属性Ａ_ｉ、Ｂ_ｉはベクトル生成装置７０１に入力され、全文属性Ａ_ｉ、Ｂ_ｉを表す単語ベースのベクトルが生成される。ここでは、競合指標計算の精度をさらに向上させるために、ドメイン／ＰＯＳ解析モジュール７０３と競合加重方針ベース３０６とを組み込むこともできる。また、全文属性Ａ_ｉ、Ｂ_ｉに含まれる各単語の関連するドメインおよびＰＯＳに対するドメイン／ＰＯＳ解析モジュール７０３の解析結果に基づき、競合加重方針ベース３０６に格納される競合加重係数のルールテーブルを使用して、異なる競合加重係数（重み）を異なる単語に割り当てることができる。全文（構造的）プロファイルにおいては、競合係数は各単語（属性）に関連づけられる。この関連づけは、競合指標計算における単語（属性）の重要性を表す際に使用される。これにより、コンテキストを意識した競合加重方針を適用して最終的な精度を高めることが可能になる。例えば、セキュリティソフトウェアドメインにある２つの製品を比較する際には、「ファイアウォール、スパム、侵入、ウィルス」の各単語の係数値（加重値）はドメインに関連のない単語よりも高くなる。ドメイン／ＰＯＳ解析モジュール７０３の解析では、前置詞、接続詞、補助的単語、句読点、代名詞、感嘆詞、様式語、擬音語は最終指標に影響しないので、競合係数はゼロに設定される。現実の実装では、競合加重方針ベース３０６に格納される競合加重係数のルールテーブルは、手動で構築することも、あるいは、サードパーティウェブサイトから入手したオントロジ的製品情報（構造的プロファイル内の重みの大きい属性値に出現した単語）に基づいて、キーワード抽出等の自動的な方法で構築することも可能である。ただし、本発明はこれらの具体例には限定されず、競合加重係数のルールテーブルを生成するための他の方法も同様に使用できる。

その後、ベクトル生成装置７０１によって生成された全文属性Ａ_ｉ、Ｂ_ｉを表す単語ベースのベクトルは、ＶＳＭベース部分指標計算機７０２に入力され、既存のＶＳＭベースの方法を使用して、属性Ａ_ｉおよびＢ_ｉ間の部分指標ｃ_ｉ（Ａ_ｉ，Ｂ_ｉ）が生成される。

次に、図４に戻ると、ステップ４０６において、整合化済みの第１および第２のプロファイルＡ、Ｂに含まれるすべての属性の部分指標が、競合指標計算装置３０５に入力され、第１および第２のオブジェクト間の最終競合指標が計算される。計算された競合指標は、図３に示すように、競合指標データベース１０６に格納される。競合指標計算装置３０５は、個々の属性の部分指標に基づき、任意の既知の方法を用いて最終競合指標を得ることができる。本実施例の競合指標計算装置３０５は、部分指標の加重和を計算することにより、最終競合指標を取得する。また、本実施例においては、共通属性名語彙１０４１に基づいて、異なる重みが個々の属性に予め割り当てられ、競合加重方針ベース３０６に格納される。したがって、第１および第２のオブジェクトの競合指標は、以下のような形で実現される。

ここで、ＡとＢは、ｓ個の属性を含んだ共通構造を有する２つのプロファイルである。また、Ａ＝（Ａ_１，．．．，Ａ_ｓ）およびＢ＝（Ｂ_１，．．，Ｂ_ｓ）であり、ｃ_ｉ（Ａ_ｉ，Ｂ_ｉ）は２つのプロファイルに含まれるｉ番目の属性の競合部分指標であり、ｗ_ｉはｉ番目の属性に割り当てられた重みである。前述したように、競合加重方針は競合加重方針ベース３０６から取り込まれる。図４のプロセスはこれで終了する。

以下では、図８〜１１を参照して、間接方式の内包的競合指標計算について説明する。図８は、プロファイルをオブジェクトカテゴリツリー内のノードにマッピングすることによりプロファイルの正規化を実行する（間接方式）、内包的競合指標計算システム８００の詳細なブロック図である。本実施例では、直接方式とは異なり、図８に示すようにオブジェクトカテゴリツリー１０４２がプロファイルを正規化するためのオントロジ情報として使用される。正規化手段１０２は、マッピング装置８０１のみを含む。このマッピング装置８０１は、オブジェクト取得手段１０１から第１のオブジェクトと第２のオブジェクトを受け取り、対応する第１および第２のプロファイルＡ、Ｂをオブジェクトカテゴリツリー１０４２内の１つ以上のノードにマッピングする。本実施例においては、内包的競合指標計算手段１０３は、マッピング確率計算装置８０２と、意味的距離取得装置８０３と、競合指標計算装置８０４とを含み（各装置については後述）、第１および第２のオブジェクト間の内包的競合指標計算を行えるように構成される。

図９に、図８に示すシステム８００の動作を示すフローチャート図を示す。図４に示す第１の実施例と同様に、プロセス９００は、第１および第２のプロファイルＡ、Ｂを有する第１および第２のオブジェクトがオブジェクトデータベース１０５から取得されるステップ９０１から始まる。続いてステップ９０２において、第１および第２のプロファイルＡ、Ｂがオブジェクトカテゴリツリー１０４２内の１つ以上のノードにマッピングされる。

図１０は、オブジェクトカテゴリツリー１０２と、オブジェクトカテゴリツリー１０２内のノード構造に対応する代表的プロファイルの階層１００２を示す概略図である。図１１は、第２の実施例による競合指標計算の一例を示す。前述したように、オブジェクトカテゴリツリー１０２は、関心ドメイン内のオブジェクト（製品等）の分類に関する当該ドメインの共通の理解であり、各ノードは１つのカテゴリを表す。図１０に示すように、ドメインのルートカテゴリはＣ_０であり、Ｃ_０１およびＣ_０２という２つのサブカテゴリを含む。サブカテゴリＣ_０１はサブカテゴリＣ_０１１をさらに含み、サブカテゴリＣ_０２は２つのサブカテゴリＣ_０２１およびＣ_０２２をさらに含む。実際の用途では、オブジェクトカテゴリツリー１０２は、予め自動的または半自動的な既知の方法で取得することができる。例えば、図１１に示すように、セキュリティソフトウェアドメインにおいては、オブジェクトカテゴリツリー１０２のルートノードは「セキュリティソフトウェア」カテゴリに対応し、「セキュリティソフトウェア」カテゴリは、「ファイアウォール」カテゴリ、「アンチスパム」カテゴリ、「アンチウィルス」カテゴリという３つの葉ノードをさらに含む。当然ながら、オブジェクトカテゴリツリー１０２の構造は図示した例に限定されず、異なるドメインのユーザは、個々の要件に応じて異なるオブジェクトカテゴリツリーを設定することができる。図１０に戻ると、この図には、オブジェクトカテゴリツリー１０２の構造に対応する代表的プロファイルの階層１００２が示されている。代表的プロファイルの階層１００２の各ノードは、オブジェクトカテゴリツリー１０２内の対応するノードのオブジェクトカテゴリに含まれる１つ以上の代表的プロファイルを含む。代表的プロファイルには、対応ノードにあるオブジェクトカテゴリを記述するための関連のキーワードのすべてが含まれる。各ノードの代表的プロファイルは言語依存であり、１つの特定言語に対応する各ノードには１つの代表的プロファイルが存在する。代表的プロファイルで構成される代表的プロファイル階層１００２は、予め自動的または半自動的な既知の方法で取得することができる。

その後、図９のステップ９０２に戻り、取得された第１および第２のプロファイルＡ、Ｂがオブジェクトカテゴリツリー１０２内の１つ以上のノードにマッピングされる。これは既存のＶＳＭベースの方法によって実行できる。本発明の一実施例では、このマッピングプロセスは、代表的プロファイル階層１００２内の代表的プロファイルを媒体として利用することで実行される。すなわち、従来のＶＳＭベースの方法を使用して、第１および第２のプロファイルＡ、Ｂの各々のコンテンツを代表的プロファイル階層１００２内の代表的プロファイルと比較して、対応するオブジェクトが属する１つ以上（実装により異なる）のカテゴリを判定することにより、プロファイル（ＡまたはＢ）と、オブジェクトカテゴリツリー１０２内の対応する位置にあるノード／カテゴリとの類似度が計算される。

比較対象のプロファイルＡ、Ｂのカテゴリ判定後、そのマッピング結果は競合指標計算手段１０３に送られ、そこで第１および第２のオブジェクト間の競合指標が計算される。図９に示すように、競合指標計算のプロセスには３つの主要ステップ（ステップ９０３、９０４、９０５）が含まれる。まず、ステップ９０３において、第１および第２のプロファイルＡ、Ｂが異なるノードにマッピングされる確率が計算される。図１１に示すように、製品Ａが「ファイアウォール」カテゴリのノードにマッピングされる確率は０．７、製品Ｂが「アンチウィルス」カテゴリのノードにマッピングされる確率は０．６、製品Ｃが「アンチウィルス」カテゴリのノードにマッピングされる確率は０．７である。続いて、ステップ９０４において、オブジェクトカテゴリツリー１０２内のノード間の意味的距離が取得される。意味的距離は、対応するノードのオブジェクトカテゴリ間の類似度を特徴づけるために使用される。意味的距離は、既存の類似度指標計算方法を用いて予め計算し、オントロジ情報ベース１０４に格納しておくことができる。ここで、カテゴリｃ１、ｃ２間の距離をｄｃ（ｃｌ，ｃ２）とすると、この２つのカテゴリ間の類似度はｃｏｍ（ｃｌ，ｃ２）＝１−ｄｃ（ｃｌ，ｃ２）として定義される。この２つのカテゴリ間の意味的距離は、オブジェクトカテゴリツリー１０２上の個々の位置に基づいて計算される。一般に、ここでは「上位階層のカテゴリ間の距離は下位階層のカテゴリ間の距離よりも大きいため、上位階層カテゴリ間の類似度は下位階層カテゴリ間の類似度よりも低い」という基本概念が使用される。また、「兄弟」間の距離は「父と息子」間の距離よりも大きいとみなされる。

次に、ステップ９０５において、第１および第２のプロファイルＡ、Ｂが対応するノードにマッピングされる確率およびステップ９０３、９０４で取得されたこれらノード間の意味的距離を参照することにより、第１および第２のオブジェクト間の競合指標が計算される。ここで、（１）第１および第２のプロファイルＡ、Ｂがそれぞれ１つのノード（カテゴリ）にマッピングされる、および（２）プロファイルＡ、Ｂが複数のノードにマッピングされる、という２つの典型的なケースについて考察する。プロファイルＡ、Ｂがそれぞれ１つのノード（カテゴリ）にマッピングされるケースでは、第１および第２のプロファイルＡ、Ｂが対応するノードにマッピングされる確率は１である。そのため、予め計算された２カテゴリ間の意味的距離は、各カテゴリに属する第１および第２のオブジェクト間の競合の測定に直接利用される。すなわち、製品ＡはカテゴリＣ_０１１にのみ、製品ＢはカテゴリＣ_０２１にのみマッピングされ、カテゴリＣ_０１１、Ｃ_０２１間の意味的距離は０．１とすると、製品Ａと製品Ｂ間の競合指標は０．１となる。プロファイルＡ、Ｂが複数のカテゴリにマッピングされるケースでは、競合指標は、第１および第２のプロファイルＡ、Ｂが対応するノードにマッピングされる確率に基づき、余弦測定方法を利用して計算することができる。この場合は、プロファイルＡ、Ｂに対して２つのカテゴリベクトルｄ_Ａ、ｄ_Ｂを設定し、１つのカテゴリベクトルの各エレメントが、対応するカテゴリにプロファイルがマッピングされる確率を表すようにする。そして、ステップ２０３において、余弦測定方法（ｄ_A×ｄ_B）（｜ｄ_A||ｄ_B|）を使用して、第１および第２のプロファイルＡ、Ｂを有する第１および第２のオブジェクト間の競合指標を計算する。ここで注意を要するのは、異なるノード間の意味的距離が省略されていることである。しかし、競合指標計算の精度を高めるために、異なるノード間の意味的距離も適切な方法を使用して統合できることは、当業者には容易に理解されるであろう。

例えば、図１１に示す例においては、製品Ａが「ファイアウォール」カテゴリのノードにマッピングされる確率は０．７、製品Ｂが「アンチウィルス」カテゴリのノードにマッピングされる確率は０．６、製品Ｃが「アンチウィルス」カテゴリのノードにマッピングされる確率は０．７である。「ファイアウォール」ノードと「アンチウィルス」ノード間の意味的距離の事前計算により０．１が得られたとすると、（異なるカテゴリに属する）製品Ａ、Ｂ間の内包的競合指標は０．７×０．６×０．１＝０．０４２となり、（同じカテゴリに属する）製品Ｂ、Ｃ間の内包的競合指標は０．７×０．６＝０．４２となる。ただし、内包的競合指標の計算方法はこの例に限定されないことに留意されたい。図９のプロセスはこれで終了する。

前述したように、代表的プロファイル階層１００２の異なるノードに位置する代表的プロファイルは各言語に依存するため、異なるオブジェクトに関するプロファイルＡ、Ｂの言語は異なる可能性がある。

（外延的競合指標計算）
内包的競合指標計算と比較すると、外延的競合指標計算は、外延的基準を採用して、第三者情報ソース（ニュースやブログのウェブサイト等）によって明示的に発信された競合関係インスタンスを解析して外延的競合指標を取得する点が異なる。異なるオブジェクト（製品／企業等）間の競合関係は、競合関係インスタンスを使用して記述できる。例えば、関係インスタンスには、「製品Ａと製品Ｂは、今年のハイテク製品優秀賞を競い合っている」とか「Ａ社とＢ社は、協力して新世代製品を開発している」といった情報が記録される。一部の実施例では、当該技術分野でよく知られたテキストマイニング技術や情報抽出技術を利用して、ニュースやブログのウェブサイトから関係インスタンスを抽出することが可能である。また、異なるオブジェクト間の外延的競合指標は、競合関係インスタンスを解析することで導出できることも明らかである。

図１２は、本発明による、外延的競合指標を計算するための外延的競合指標計算システム１２００の構造的ブロック図である。図１２に示すように、システム１２００の主要部分は外延的競合解析モジュール１２０であり、このモジュールは、オブジェクト取得手段１２０１と、関係インスタンス選択手段１２０２と、外延的競合指標計算手段１２０３とを含む。また、システム１２００は、関係インスタンスリポジトリ１２０４と、オブジェクトデータベース１２０５と、インスタンス選択ルールベース１２０６と、競合強度係数ベース１２０７と、情報ソースオントロジ情報ベース１２０８と、外延的競合指標データベース１２０９とをさらに備え、このうち、オブジェクトデータベース１２０５は、外延的競合解析モジュール１２０の解析および処理対象となる、ウェブ等の情報ソースから収集されたオブジェクト（製品プロファイル等）を格納する。関係インスタンスレポジトリ１２０４は、複数の情報ソース（ニュースやブログのウェブサイト等）から抽出した関係インスタンスを格納する。インスタンス選択ルールベース１２０６は、関係インスタンス選択ルールの集合を格納する。競合強度係数ベース１２０７は、関係インスタンスリポジトリ１２０４内の様々なインスタンスに対応する競合固有強度係数を格納する。ニュース／ブログウェブサイトにおいては様々な言語の現象や記述パターンを利用して関係が指定されているため（これはオブジェクト間の競合強度に対する読者の感じ方に大きく影響する）、関係インスタンスのタイプによって異なる強度係数が割り当てられるのが一般的である。これらの強度係数は、予め競合強度係数ベース１２０７に格納しておくことができる。また、情報ソースオントロジ情報ベース１２０８には、関係インスタンスの抽出元となった情報ソースの信頼度値を格納できる。外延的競合指標データベース１２０９は、計算された外延的競合指標を格納するために使用される。

図１３は、図１２に示す外延的競合指標計算システムの動作プロセス１３００の一例を示すフローチャート図である。プロセス１３００は、内包的競合指標の計算プロセスと同様に、オブジェクト取得手段１２０１がオブジェクトデータベース１２０５から第１のオブジェクトＡと第２のオブジェクトＢを取得するステップ１３０１から始まる。続いてステップ１３０２において、関係インスタンス選択手段１２０２が、関係インスタンスリポジトリ１２０４に格納された関係インスタンスから、インスタンス選択ルールベース１２０６によって与えられた関係インスタンス選択ルールに基づいて、第１および第２のオブジェクトＡ、Ｂに関連付けられた関係インスタンスを選択する。ある実施例では、関係インスタンスの選択（フィルタリング）は直感的な方法で行われる。これは、関係インスタンスにオブジェクト（例：製品）Ａ、Ｂの名前かまたは製造者（例：製品Ａ、Ｂを製造する企業）が出現したら、それをオブジェクトＡ、Ｂに関連付けられた関係インスタンスとみなす方法である。ただし、ここで説明する関係インスタンス選択ルールは例示のみを目的とするものであり、本発明はこれらのルールに限定されるものではない。用途に応じて他の関係インスタンス選択ルールを考案または提供することが可能なことは、当該技術に精通した当業者には明らかである。関係インスタンス選択手段１２０２が第１および第２のオブジェクトＡ、Ｂに関連付けられた関係インスタンスを選択した後、ステップ１３０３において、外延的競合指標計算手段１２０３が、選択された連関係インスタンスに基づいてオブジェクトＡ、Ｂ間の外延的競合指標を計算する。これでプロセス１３００は終了する。

図１４は、外延的競合指標計算手段１２０３の内部構造を詳細に示した、本発明の外延的競合指標計算システムの一例の詳細なブロック図である。図１５は、図１４に示した、外延的競合指標を計算するための外延的競合指標計算システムの動作プロセス１５００を示すフローチャート図である。図１４に示す外延的競合指標計算手段１２０３の内部構造と図１５に示す動作プロセス１５００は、外延的競合指標計算を説明するための一例にすぎず、本発明を限定するものではないことに留意されたい。外部から取り込んだ関係インスタンスに基づいてオブジェクトの外延的競合指標を計算するための他の方法と構造は、当業者であれば容易に考案することができる。実際の用途においては、外延的競合指標計算手段１２０３を構成する内部要素の追加、除去、結合、部分結合を適宜行うことができ、図１５に示すプロセスについても、ステップの追加、除去、順序の入れ替えを行うことが可能である。

図１４を参照すると分かるように、外延的競合指標計算手段１２０３は、図１２に示すシステムと同じ要素に加えて、関係カテゴリ判定装置１４０１、競合パラメータ選択装置１４０２、競合強度計算装置１４０３、最大強度選択装置１４０４、および外延的競合指標計算機１４０５をさらに備えることができる。最大強度選択装置１４０４（任意のモジュールとして破線で示す）は、関係インスタンス選択手段１２０２が選択した第１および第２のオブジェクトＡ、Ｂに関連付けられた関係インスタンスが同じ情報ソースドキュメント（例：ニュースやブログのウェブサイト上にある同一のドキュメント）に属する可能性がある場合にのみ使用する。同じオブジェクト対の複数の関連付けられた関係インスタンスが同一の情報ソースドキュメントに属する場合には、競合の強さが最大の関係インスタンスのみが最終外延的競合指標計算に使用される。最大強度選択装置１４０４とその機能については後述する。

競合パラメータ選択装置１４０２は、選択されたオブジェクトＡ、Ｂに関連付けられた関係インスタンスの内容に基づいて、競合強度係数ベース１２０７および情報ソースオントロジ情報ベース１２０８から対応する競合パラメータを取得するように構成される。競合パラメータは、（１）競合強度係数ベース１２０７に格納される競合の強度係数Ｗ_ｉ（Ａ、Ｂ）（この係数は、関係インスタンスに関する異なる言語の現象および記述パターンに対応して設定される）と、（２）競合強度係数ベース１２０７に格納される、情報ソースの信頼度値Ｃ_ｉ（ｉはドキュメントを識別する索引）とを含む。

次に、図１５を参照しながら、図１４に示す外延的競合指標計算システム１４００の動作プロセスについて詳細に説明する。前述と同様に、このプロセスは、オブジェクト取得手段１２０１が第１および第２のオブジェクトをオブジェクトデータベース１２０５から取得するステップ１５０１から始まる。続いてステップ１５０２において、関係インスタンス選択手段１２０２が、関係インスタンスリポジトリ１２０４から、第１および第２のオブジェクトＡ、Ｂに関連付けられた関係インスタンスを選択する。前述したように、ある実施例では、関係インスタンスの選択（フィルタリング）は直感的な方法で行われる。これは、関係インスタンスにオブジェクト（例：製品）Ａ、Ｂの名前かまたは製造者（例：製品Ａ、Ｂを製造する企業）が出現したら、それをオブジェクトＡ、Ｂに関連付けられた関係インスタンスとみなす方法である。ただし、ここで説明する関係インスタンス選択ルールは例示のみを目的とするものであり、本発明はこれらのルールに限定されるものではない。用途に応じて他の関係インスタンス選択ルールを考案または提供することが可能なことは、当該技術に精通した当業者には明らかである。

続くステップ１５０３において、外延的競合指標計算手段１２０３の関係カテゴリ判定装置１４０１が、選択された各関連付けられた関係インスタンスのカテゴリを判定する。この判定においては、後に実行される適切な競合パラメータの取得に備えて、各関連付けられた関係インスタンスの言語記述パターンと、関係インスタンスが属する情報ソースドキュメントの索引とが判定される。関係インスタンスリポジトリ１２０４に格納する各関係インスタンスは、一般に、Ｒ＝（関係タイプ、重みＩＤ、ニュースＩＤ）のようなトリプレット形式で表現することができる。関係タイプは、関係インスタンスの関係タイプを表すために使用される。関係タイプは、競合関係、協力関係などを集めたグループから選択することができる。関係インスタンス選択手段１２０２がオブジェクトＡ、Ｂに関連付けられた関係インスタンスを選択する際には、競合関係タイプの関係インスタンスのみが選択される。重みＩＤは、関係インスタンスの言語記述パターンを識別するために使用される。言語記述パターンはそれぞれ異なる競合強度係数に対応するため、この重みＩＤパラメータは競合強度係数の索引として使用することができる。ニュースＩＤは、関係インスタンスが属する情報ソースドキュメントを表すために使用される。情報ソースドキュメントはそれぞれ異なる信頼度値を有するため、このニュースＩＤパラメータは情報ソースの信頼度値の索引として使用することができる。したがって、競合パラメータ選択手段１４０２は、関係タイプとニュースＩＤとをそれぞれ、オブジェクトＡ、Ｂに対応する競合パラメータ（すなわち、関連付けられた各関係インスタンスに対応する、競合の強度係数Ｗ_ｉ（Ａ、Ｂ）と情報ソースの信頼度値Ｃ_ｉ）を得るために競合強度係数ベース１２０７と情報ソースオントロジ情報ベース１２０８とを検索する際の索引として使用することができる。

続いてステップ１５０５において、競合強度計算装置１４０３が関連付けられた関係インスタンスの競合強度値を計算する。ある実施例では、競合強度は、Ｓ_ｉ（Ａ、Ｂ）＝Ｗ_ｉ（Ａ、Ｂ）×Ｃ_ｉとして計算できる。ここで、ｉは関連付けられた関係インスタンスが属する情報ソースドキュメントを識別する索引である。オブジェクトＡ、Ｂに関連付けられた複数の関係インスタンスが同一の情報ソースドキュメントに属する場合には、最大の競合指標値を有する関連付けられた関係インスタンスのみが計算で考慮され、他の関連付けられた関係インスタンスは除外される。具体的には、ステップ１５０６において、オブジェクトＡ、Ｂに関連付けられた複数の関係インスタンスが同一の情報ソースドキュメントに属するかどうかが判定される。同一の情報ソースドキュメントに属する場合には、最大強度選択装置１４０４がステップ１５０７において、各情報ソースドキュメントｉ内のオブジェクトＡ、Ｂに関する競合強度値のうち最大のものが選択される。これは、以下の式で表される。

ここで、ｊは、オブジェクトＡ、Ｂが属する情報ソースドキュメントｉ内における、オブジェクトＡ、Ｂに関連付けられた異なる各関係インスタンスの番号を表す。オブジェクトＡ、Ｂに関連付けられた各関係インスタンスが異なる情報ソースドキュメントに属する場合、すなわち、オブジェクトＡ、Ｂに関連付けられた関係インスタンスが各情報ソースドキュメントに１つずつしか含まれない場合には、最大強度選択装置１４０４は省略され、その関連付けられた関係インスタンスに対応する競合強度値Ｓ_ｉ（Ａ、Ｂ）が直接、最終外延的競合指標の計算に使用される。

ある実施例によれば、ステップ１５０８におけるオブジェクトＡ、Ｂ間の外延的競合指標は、次の式のよって計算される。

ここで、Ｎは関係インスタンスリポジトリに格納されるすべての関係インスタンスが属する情報ソースドキュメントの総数、Ｓ_ｉ（Ａ、Ｂ）はオブジェクトＡ、Ｂに関連付けられた関係インスタンスの情報ソースドキュメントｉ内における最大競合強度値、Ｓ_ｉ´はすべての関連付けられた関係インスタンス（オブジェクトＡ、Ｂに関連する関係インスタンスと関連しない関係インスタンスの両方を含む）の情報ソースドキュメントｉ内における最大競合強度値をそれぞれ表す。具体的には、Ｓ_ｉ´は以下のように表すことができる。

ただし、外延的競合指標の計算方法は上記の式（３）に限定されず、他の計算方法も考案可能なことは当業者には明らかである。例えば、人間が判断しやすい意味のある値を得たい場合は、以下のような、対数形式の式（３）を採用することもできる。

さらに、外延的競合指標計算において異なる言語の現象または記述パターンが計算結果に及ぼす影響を考慮せず、関連付けられた関係インスタンスのすべてが同じ競合強度値１を有すると想定すると、上記の式（３）の分子を、オブジェクトＡ、Ｂに関連付けられた関係インスタンスが属する情報ソースドキュメント数に単純化し、分母は、関係インスタンスリポジトリ内に格納されるすべての関係インスタンスが属する情報ソースドキュメントの総数に単純化してもよい。これにより、オブジェクトＡ、Ｂ間の外延的競合指標Ｓ_ｏｕｔを、情報ソースドキュメントの総数に占める、オブジェクトＡ、Ｂに関連付けられた関係インスタンスが属する情報ソースドキュメント数の比率、すなわち、全情報ソースドキュメントにおける関連付けられた関係インスタンスの出現頻度として計算することが可能になる。そのため、いくつかの実施例では、オブジェクトＡ、Ｂに関連付けられた関係インスタンスの全情報ソースドキュメントにおける出現頻度は、オブジェクトＡ、Ｂ間の外延的競合指標の特徴付けに使用するこができる。ただし、前述は外延的競合指標計算の一例として示したにすぎず、本発明の範囲を限定するものではない。

ステップ１５０８におけるオブジェクトＡ、Ｂ間の外延的競合指標Ｓ_ｏｕｔの計算が完了すると、図１５に示すプロセス１５００が完了する。

ニュース／ブログ等の抽出された関係インスタンスは、時間、場所／エリア、産業ドメイン等の関連の付加情報を伴うので、オブジェクト間の１つの関係は、Ｒ（Ａ，Ｂ）＝（関係タイプ，重みＩＤ，ドメイン，エリア，時間，ニュースＩＤ）のようにすると完全に表現することができる。ドメイン、エリア、時間は、関係インスタンスに関連する産業ドメイン、エリア、時間を表す。例えば、ドメインでＡ社とＢ社が「携帯電話」のドメインで競合していることを表し、エリアで製品Ａと製品Ｂが中国で競合していることを表し、時間で製品Ａと製品Ｂが２００２年〜２００３年に競合したことを表す、といったことが可能である。このようにすると、ビジネス上の意思決定から生じる多様な要件に対応して、さらに詳細な競合解析を実行できるようになる。

図１６は、本発明の外延的競合指標計算システム１６００の一例の詳細なブロック図である。図１４に示すシステム１４００と比較すると、システム１６００は、関連付けられた関係インスタンスに含まれる付加情報に基づいて、オブジェクト間における外延的競合の強さに対して時間、エリア、ドメインの解析を行うための関係インスタンスフィルタ手段１６０１とユーザインターフェース手段１６０２とを備える点が異なる。ユーザインターフェース手段１６０２では、ユーザが時間、エリア、ドメインに関するフィルタルールを入力することができる。関係インスタンスフィルタ手段１６０１は、入力されたフィルタルールに基づいて、関係インスタンス選択手段１２０２によって選択された関連の関係インスタンスをさらにフィルタリングして、特定の要件を満たす関係インスタンスを取得することができる。例えば、特定のエリア（例：中国）で競合しているオブジェクト間の関係インスタンスをフィルタリングで抽出したり、特定の期間（例：２００５年）に競合していたオブジェクト間の関係インスタンスをフィルタリングで抽出したりすることができる。これにより、異なるオブジェクト間の外延的競合解析をより詳細な方法で実行し、異なるユーザの要件に回答することが可能になる。

関係インスタンスにおける時間に関連する情報の場合は、外延的競合指標計算から、最終競合指標と共に対応するタイムスタンプが生成されるため、これにより競合関係の時間的（時間依存）解析をサポートすることができる。これにより、例えば、オブジェクトＡ、Ｂがある期間中に競合し、その後パートナーになった、といったことを知ることができる。

さらに、産業ドメインオントロジを構築している場合は、産業ドメイン情報も競合関係計算の重要な要因とみなすことができる。複数ドメインは階層を形成しているため、基本的には、抽出された関係インスタンスをドメイン階層の全体（ドメインと下位ドメイン間）に対して、上方向と下方向の２方向に伝播させることができる。下方向に伝播させる場合の好適な実施例は、Ｓ_ｉ（Ａ，Ｂ，ｄｊ）＝Ｓ_ｉ（Ａ，Ｂ，Ｄ）である。ここで、ドメインｄｊはドメインＤの子ドメインである。同様に、上方向に伝播させる場合の好適な実施例は、Ｓ_ｉ（Ａ，Ｂ，Ｄ）＝ＭａｘＳ_ｉ（Ａ，Ｂ，ｄｊ）となる。そのため、産業ドメインオントロジで示される複数のドメイン間の階層を対象に、異なるドメインにおけるオブジェクト間の競合指標を計算することが可能となる。

同様に、関係インスタンスに付随する場所またはエリア関連の情報の場合には、適切な推論を実行することにより、関連のオブジェクト（例：企業または製品）間に競合関係が存在する市場エリアについてのより詳細な情報が生成される。

（統合競合指標計算）
本発明の実施例による統合競合指標計算においては、上記の内包的および外延的競合指標計算を統合または結合するための動的メカニズムが提供される。最終統合競合指標には、オブジェクトプロファイルの類似度だけでなく、第三者が発信したコメントも反映されるため、統合競合指標計算の結果は、純粋な内包的競合解析（コンテンツベース競合解析）や外延的競合解析方法に比較して、より包括的な内容となる。

図１７は、本発明による、統合競合指標を計算するための統合競合指標計算システム１７００の構造的ブロック図である。図１８は、図１７に示す統合競合指標計算システムにおける結合モジュール１７０４の一例を示す詳細なブロック図である。図１９は、内包的競合指標と外延的競合指標とを結合するプロセスを示すフローチャート図である。

まず、図１７を参照すると、統合競合指標計算システム１７００の主要部分は、統合競合解析モジュール１７０と、統合競合解析モジュール１７０に備えられる複数のデータベースであることが分かる。これらのデータベースとは、オブジェクトデータベース１７０５、内包的競合指標データベース１７０６、外延的競合指標データベース１７０７、情報ソースオントロジ情報ベース１７０８、重み係数ベース１７０９、および統合競合指標データベース１７１０である。統合競合解析モジュール１７０は、オブジェクト取得モジュール１７０１と、内包的競合解析モジュール１７０２と、外延的競合解析モジュール１７０３と、結合モジュール１７０４とを含む。内包的競合解析モジュール１７０２には、図１に示す内包的競合指標計算システム１００の内部構造を採用できるが、本発明はこれに限定されない。本発明の内包的競合解析モジュール１７０２を実装するためには、他のよく知られた内包的競合指標計算技術も使用できることは、当業者には理解されるであろう。外延的競合解析モジュール１７０３には、図１２に示す外延的競合指標計算システム１２００の内部構造を採用することができるが、本発明はこれに限定されない。本発明の外延的競合解析モジュール１７０３を実装するためには、他のよく知られた外延的競合指標計算技術も使用できることは、当業者には理解されるであろう。

図１７に示すように、オブジェクト取得モジュール１７０１は最初にオブジェクトデータベース１７０５から第１のオブジェクトＡと第２のオブジェクトＢを取得する。オブジェクトＡ、Ｂはそれぞれ、オブジェクトＡ、Ｂ間の内包的競合指標Ｓ_ｉｎと外延的競合指標Ｓ_ｏｕｔを計算するために、内包的競合解析モジュール１７０２と外延的競合解析モジュール１７０３に入力される。計算された内包的競合指標Ｓ_ｉｎと外延的競合指標Ｓ_ｏｕｔは、それぞれ、内包的競合指標データベース１７０６と外延的競合指標データベース１７０７に格納される。続いて、結合モジュール１７０４が、内包的競合指標データベース１７０６と外延的競合指標データベース１７０７からオブジェクトＡ、Ｂ間の内包的競合指標Ｓ_ｉｎと外延的競合指標Ｓ_ｏｕｔとを取得し、内包的および外延的競合指標をある種の動的メカニズムと結合して最終統合競合指標を生成する。生成されたオブジェクトＡ、Ｂ間の統合競合指標は、統合競合指標データベース１７１０に格納される。

次に、図１８と図１９を参照して、結合モジュール１７０４の構造と動作プロセスを説明する。

図１８に示すように、この例では、結合モジュール１７０４は、データ品質解析装置１８０１と、重み係数取得装置１８０２と、統合競合指標計算機１８０３とを含む。図１９に示すように、内包的競合解析モジュール１７０２および外延的競合解析モジュール１７０３によって計算された内包的競合指標Ｓ_ｉｎと外延的競合指標Ｓ_ｏｕｔは、結合モジュール１７０４に入力される（ステップ１９０１）。続いて、ステップ１９０２において、データ品質解析装置１８０１が、外延的競合解析モジュール１７０３から得た第１および第２のオブジェクトＡ、Ｂに関連付けられた関係インスタンスに対して、データ品質解析を実行する。具体的には、データ品質解析装置１８０１は、情報ソースオントロジ情報ベース１７０８内の各情報ソースの信頼度値に基づいて、外延的競合解析モジュール１７０３から供給された関連付けられた関係インスタンスのデータ品質を解析する。

外延的意味解析結果と内包的意味解析結果の間に矛盾がある可能性がある場合には、データ品質の評価が部分指標（すなわち、内包的および外延的指標）の結合プロセスにおいて重要な役割を果たす。例えば、外延的競合解析によればある２つの企業の間に強い競合関係が存在しているのに、両社の間に類似した特徴がほぼ皆無である（すなわち、内包的解析結果によれば互いに競合していない）といったこともありうる。このようなケースに対処するため、外延的および内包的意味解析結果の間の矛盾を均衡化するための動的メカニズムが採用されている。この動的メカニズムは、（１）データ品質評価結果（すなわち、対応する情報ソースの信頼度）、および（２）付加情報の統計的解析、によってこれを行う。付加情報には時間情報、ドメイン情報、市場（エリア）情報が含まれ、異なるドメイン、市場エリア、および期間を分割することによって、より正確な競合解析結果を導出することが可能となる。例えば、Ａ社およびＢ社という２つの企業は、ある市場においてある時期に競合していたが、うち１社が現在はその市場から撤退しているために、もはや競合はない、という状況の場合でも、動的メカニズムによって対応することができる。

図１９に戻ると、ステップ１９０２において関連付けられた関係インスタンスに対するデータ品質解析の結果を判定した後に、ステップ１９０３において、統合戦略が決定される。例えばある例では、重み係数取得装置は、重み係数ベース１７０９から、内包的および外延的競合指標にそれぞれ使用するための重み係数Ｗ_ｉｎおよびＷ_ｏｕｔを取得する。その後ステップ１９０４において、統合競合指標計算機１８０３が、決定された統合戦略（すなわち、取得された重み係数）を内包的および外延的競合指標Ｓ_ｉｎおよびＳ_ｏｕｔに適用して統合競合指標Ｓを計算する。この例では、競合強度Ｓは以下の式によって計算することができる。
Ｓ＝Ｓ_ｉｎ×Ｗ_ｉｎ＋Ｓ_ｏｕｔ×Ｗ_ｏｕｔ （６）
前述の方法により、部分指標の結合を動的に調整することが可能になる。ただし、適応型の重み係数によって競合部分指標を調整するこの方法は一例として示したにすぎない。当業者であれば、実際の適用事例においては、外延的および内包的意味解析結果間の矛盾を均衡化するために他の統合戦略も使用できることは容易に理解できる。

最後に、統合競合指標計算機１８０３によって計算された統合競合指標Ｓがオブジェクト取得モジュール１７０１に格納される（図１８参照）。

さらに、内包的および外延的競合解析結果として得られる競合指標には、時間情報、産業ドメイン情報、場所／エリア情報等の付加的な情報も含まれるため、統合競合指標計算では、上記の外延的競合指標計算と同様に、オブジェクト間の競合を対象に複数次元（時間、ドメイン、エリア）の解析もまた実行できることに留意する必要がある。

前述では、本発明による内包的、外延的、および統合競合指標計算について説明してきた。図２０は、本発明の実装に使用されるコンピュータシステム２０００の概略ブロック図である。この図に示すように、コンピュータシステム２０００は、ＣＰＵ２００１と、ユーザインターフェース２００２と、周辺機器２００３と、メモリ２００５と、恒久的記憶装置２００６と、これらの構成要素を相互に接続する内部バス２００４とを含む。メモリ２００５は、情報抽出モジュール、競合解析モジュール、オブジェクト収集モジュール、アプリケーションモジュールに関連する競合インテリジェンス、オペレーティングシステム（ＯＳ）等をさらに含む。恒久的記憶装置２００６は、オントロジ情報ベース、オブジェクトデータベース、重み付け方針ベース、関係インスタンスリポジトリ、競合指標データベース等の、本発明に関連する各種データベースを格納する。図内では、本発明に関連する部分は太線で囲んで示している。このうち、競合解析モジュールは、図１に示す内包的競合解析モジュールか、図１２に示す外延的競合解析モジュールか、図１７に示す統合競合解析モジュールのいずれかである。さらに、恒久的記憶装置２００６に他の記憶装置を含めることもできる。

上記では、添付図面を参照して、本発明による異なるオブジェクト（製品／企業等）間の内包的、外延的、および統合（結合）競合指標計算について説明してきた。上記の説明から明らかなように、本発明の効果は以下のとおりである。

直接方式による内包的競合指標計算においては、異なるオブジェクトを表すプロファイルは、対応する属性を整合化することにより直接的に比較される。そのため、類似度計算領域の単語ベース（ＶＳＭベース）の方法と属性ベースの方法を結合するための柔軟なメカニズムが提供される。このメカニズムは、構造的（属性値）および非構造的（プレーンテキスト）プロファイルを有する異種対象を処理できる本発明の競合指標計算アルゴリズムを実現する。さらに、直接的なプロファイル比較方法では、プロファイルのデータ品質を最大限に利用して最終競合指標の精度を高めることができる。

さらに、間接的な内包的競合指標計算によって、グローバル環境の競合相手発見に伴う言語障壁が克服される。また、競合スコアリングのための媒体として共通の分類階層（オブジェクトカテゴリツリー）が使用されるため、プロファイルを１対１で比較する場合に比較して効率が大幅に高まる。間接方式による競合指標計算方法においては、異言語情報検索の領域で広く採用されている直接的なクエリー／ドキュメント翻訳が行われないため、それに起因する関連技術の短所（翻訳ベースの方法の場合は、未知の用語の翻訳が必要になることと処理が複雑なこと、コーパスベースの方法の場合は、十分な並列コーパスを入手できないこと、等）が回避される。

外延的競合指標の計算方法およびシステムを使用すれば、外延的競合指標は第三者（他者が発信したニュースやブログ等）で明示的に表現された関係インスタンスから生成されるため、結果として得られる競合指標は内包的競合指標計算の結果よりも客観的である。

さらに、統合競合指標計算においては、内包的競合指標計算と外延的競合指標計算を結合するための動的メカニズムが提供されるため、それによって、情報ソースの品質を最大限に利用することが可能である（知識由来解析）。最終統合競合指標には、オブジェクトプロファイルの類似度だけでなく、第三者が発信したコメントも反映されるため、統合競合解析では、純粋な内包的競合解析（コンテンツベース競合解析）や外延的競合解析方法に比較して、より包括的な結果を得ることができる。

さらに、外延的または統合競合指標計算においては、競合指標に加えて、ウェブ上のニュースやブログに付加されたタイムスタンプを関係インスタンスにマッピングし、さらには最終競合指標にもマッピングできるため、競合関係の時間的（時間依存）解析もサポートされる。関係インスタンスには、これに加えてロケーションや産業ドメインなどの付加情報も含まれるため、これらを活用すれば特定の市場を対象とした様々な解析も可能になる。

本発明の競合指標計算方法は、現在の類似度指標計算技術の精度を高めるために類似度計算にも適用できることに留意する必要がある。

上記では、添付図面を参照して本発明の特定の実施例について説明してきたが、本発明は添付図面に示した特定の構成および処理に限定されるものではない。例えば、異なる属性間の競合部分指標計算プロセスにおいては、ＶＳＭベースの方法および属性値ベースの方法に加えて、当該技術分野で既知の類似度測定技術も使用できる。これらの既存の方法や技術に関する説明は、簡素化のため省略されている。

また、上記の実施例では、いくつかの具体的なステップを例示したが、本発明の方法のプロセスはこれらのステップに限定されるものではない。これらのステップは、本発明の精神と実質的な特性から逸脱することなく変更、修正、補完が可能であり、また一部ステップについては順序の入れ替えも可能なことは、当業者には理解されるであろう。

本発明の各要素は、ハードウェア、ソフトウェア、ファームウェア、またはその組み合わせで実装され、システム、サブシステム、そのコンポーネントもしくはサブコンポーネント内で利用される。ソフトウェアで実装された場合、本発明の各要素はプログラムもしくはコードセグメントとして必要なタスクを実行するために使用される。プログラムまたはコードセグメントは、機械読取り可能な媒体に格納することも、あるいは、伝送媒体もしくは通信リンクを介して搬送波内に具現化されたデータ信号により伝送することもできる。「機械読取り可能な媒体」には、情報を格納または伝送できるあらゆる媒体が含まれる。機械読取り可能な媒体の例としては、電子回路、半導体記憶装置、ＲＯＭ、フラッシュメモリ、消去可能ＲＯＭ（ＥＲＯＭ）、フロッピーディスク、ＣＤ−ＲＯＭ、光ディスク、ハードディスク、光ファイバー媒体、無線周波数（ＲＦ）リンク等が挙げられる。コードセグメントは、インターネット、イントラネット等のコンピュータネットワークを介してダウンロードすることもできる。

上記では本発明を特定の実施例を参照して説明したが、本発明は上記の特定の実施例や、図面に示した特定の構成に限定されるものではない。例えば、図示した一部のコンポーネントは、互いに組み合わせて１つのコンポーネントとしたり、１つのコンポーネントを複数のサブコンポーネントに分割したり、他の既知のコンポーネントを追加したりすることもできる。また、動作プロセスも同様に、例に示されたものに限定されない。本発明はその精神と主要な特徴から逸脱することなく他の様々な形態で実装できることは、当該技術に精通した当業者により理解されるであろう。したがって、本発明の実施例はあらゆる点において例示的であり、限定的なものではない。本発明の範囲は前述の説明よりむしろ付記した特許請求の範囲に示されており、各請求項と等価な意味と範囲に含まれるあらゆる変更がそれに包含される。

１０：内包的競合解析モジュール
１０１：オブジェクト取得手段
１０２：正規化手段
１０３：内包的競合指標計算手段
１０４：オントロジ情報ベース
１０５：オブジェクトデータベース
１０６：内包的競合指標データベース
１０４１：共通属性名語彙
１０４２：オブジェクトカテゴリツリー
３０１：判定装置
３０２：統一プロファイル構造生成装置
３０３：整合化装置
３０４：競合部分指標計算装置
３０５：競合指標計算装置
３０６：競合加重方針ベース
６０１：属性タイプ判定装置
６０２：部分指標測定方法セレクタ
６０３：部分指標計算機
７０１：ベクトル生成装置
７０２：ＶＳＭベース部分指標計算機
７０３：ドメイン／ＰＯＳ解析モジュール
７０４：前処理装置
８０１：マッピング装置
８０２：マッピング確率計算装置
８０３：意味的距離取得装置
８０４：競合指標計算装置
１２０：外延的競合解析モジュール
１２０１：オブジェクト取得手段
１２０２：関係インスタンス選択手段
１２０３：外延的競合指標計算手段
１２０４：関係インスタンスリポジトリ
１２０５：オブジェクトデータベース
１２０６：インスタンス選択ルールベース
１２０７：競合強度係数ベース
１２０８：情報ソースオントロジ情報ベース
１２０９：外延的競合指標データベース
１４０１：関係カテゴリ判定装置
１４０２：競合パラメータ選択装置
１４０３：競合強度計算装置
１４０４：最大強度選択装置
１４０５：外延的競合指標計算機
１６０１：関係インスタンスフィルタ手段
１６０２：ユーザインターフェース手段
１７０：統合競合解析モジュール
１７０１：オブジェクト取得手段
１７０２：内包的競合解析モジュール
１７０３：外延的競合解析モジュール
１７０４：結合モジュール
１７０５：オブジェクトデータベース
１７０６：内包的競合指標データベース
１７０７：外延的競合指標データベース
１７０８：情報ソースオントロジ情報ベース
１７０９：重み係数ベース
１７１０：統合競合指標データベース
１８０１：データ品質解析装置
１８０２：重み係数取得装置
１８０３：統合競合指標計算機
２００１：ＣＰＵ
２００２：ユーザインターフェース
２００３：周辺機器
２００４：内部バス
２００５：メモリ
２００６：恒久的記憶手段

Claims (26)

1. オブジェクト間外延的競合指標計算方法であって、
   第１のオブジェクトと第２のオブジェクトとを取得するステップと、
   関係インスタンスリポジトリに格納されるすべての関係インスタンスから、前記第１および第２のオブジェクトに関する関連付けられた関係インスタンスを選択するステップと、
   選択した前記関連付けられた関係インスタンスに基づいて、前記第１および第２のオブジェクト間の外延的競合指標S_outを計算するステップと
   を有することを特徴とするオブジェクト間外延的競合指標計算方法。
2. 前記第１および第２のオブジェクト間の外延的競合指標S_outを計算するステップが、前記関係インスタンスリポジトリに格納される全関係インスタンスが属するドキュメント総数に占める、前記第１および第２のオブジェクトに関する前記関連付けられた関係インスタンスが属するドキュメント数の比率を、第１および第２のオブジェクト間の外延的競合指標S_outとして計算するステップを含むことを特徴とする請求項１に記載のオブジェクト間外延的競合指標計算方法。
3. 前記第１および第２のオブジェクトに関する選択された前記関連付けられた関係インスタンスのそれぞれが、異なる情報ソースドキュメントに属し、
   前記第１および第２のオブジェクト間の外延的競合指標S_outを計算するステップが、
   前記第１および第２のオブジェクトに関する選択された前記関連付けられた関係インスタンスのそれぞれの関係カテゴリを決定するステップと、
   決定した関係カテゴリに基づいて、前記関連付けられた関係インスタンスの各々に対応する競合強度係数W_i(A, B)、および前記関連する関係インスタンスが属する情報ソースドキュメントの信頼度値C_i（ｉは関連する関係インスタンスが属する情報ソースドキュメントを示す）を取得するステップと、
   各前記関連付けられた関係インスタンスについて、競合強度S_i(A,
   B) = W_i(A, B) ×C_iを計算するステップと、
   前記関係インスタンスリポジトリに格納された全ての関係インスタンスが属するすべての情報ソースドキュメントに基づいて、前記第１および第２のオブジェクト間の外延的競合指標S_outを
   
   （Ｎは、前記関係インスタンスリポジトリに格納された全ての前記関係インスタンスが属する情報ソースドキュメントの総数を示し、Ｓ’_ｉは、情報ソースドキュメントｉにおける全ての関係インスタンスについて最大の競合強度値を示し、ＡとＢは、前記第１および第２のオブジェクトをそれぞれ示す）
   

   

   の式に従って計算するステップと
   を含むことを特徴とする請求項１に記載のオブジェクト間外延的競合指標計算方法。
4. 前記第１及び第２のオブジェクトに関する前記関連付けられた関係インスタンスのそれぞれが、同じ情報ソースドキュメントに属することが可能であり、
   前記第１および第２のオブジェクト間の外延的競合指標S_outを計算するステップが、
   前記第１および第２のオブジェクトに関する選択された前記関連付けられた関係インスタンスのそれぞれの関係カテゴリを決定するステップと、
   決定した関係カテゴリに基づいて、前記関連付けられた関係インスタンスの各々に対応する競合強度係数W_i(A, B)、および前記関連する関係インスタンスが属する情報ソースドキュメントの信頼度値C_i（ｉは関連する関係インスタンスが属する情報ソースドキュメントを示す）を取得するステップと、
   各前記関連付けられた関係インスタンスについて、競合強度S_i(A,
   B) = W_i(A, B) ×C_iを計算するステップと、
   各前記情報ソースドキュメントｉにおける、前記第１及および第２のオブジェクトに関する最大の競合強度値S_i(A,
   B)を、
   
   

   

   の式に従って選択するステップと、
   前記関係インスタンスリポジトリに格納された全ての関係インスタンスが属するすべての情報ソースドキュメントに基づいて、前記第１および第２のオブジェクト間の外延的競合指標S_outを
   
   （Ｎは、前記関係インスタンスリポジトリに格納された全ての前記関係インスタンスが属する情報ソースドキュメントの総数を示し、Ｓ’_ｉは、情報ソースドキュメントｉにおける全ての関係インスタンスについて最大の競合強度値を示し、ＡとＢは、前記第１および第２のオブジェクトをそれぞれ示す）
   

   

   の式に従って計算するステップと
   を含むことを特徴とする請求項１に記載のオブジェクト間外延的競合指標計算方法。
5. 前記第１および第２のオブジェクト間の前記外延的競合指標S_outを、
   
   
   

   

   の式によって計算することを特徴とする請求項３又は請求項４に記載のオブジェクト間外延的競合指標計算方法。
6. 前記関係インスタンスが、さらに付加情報を含み、
   前記付加情報に基づいて前記第１および第２のオブジェクトに関する選択された前記関連付けられた関係インスタンスをフィルタリングし、前記付加情報が１以上の所定の条件を満たす前記関連付けられた関係インスタンスを選択するステップを含み、
   前記付加情報が、時間情報、領域情報およびドメイン情報の少なくとも１つであることを特徴とする請求項１に記載のオブジェクト間外延的競合指標計算方法。
7. 前記付加情報が、時間情報であり、
   選択された前記関連付けられた関係インスタンスをフィルタリングするステップが、特定の期間における前記第１および第２のオブジェクトに関する前記関連付けられた関係インスタンスを選択するステップを含むことを特徴とする請求項６に記載のオブジェクト間外延的競合指標計算方法。
8. 前記付加情報が、エリア情報であり、
   前記選択された前記関連付けられた関係インスタンスをフィルタリングするステップが、特定のエリアと一致する前記第１および第２のオブジェクトに関する前記関連付けられた関係インスタンスを選択するステップを含むことを特徴とする請求項６に記載のオブジェクト間外延的競合指標計算方法。
9. 前記付加情報が、ドメイン情報であり、
   前記選択された前記関連付けられた関係インスタンスをフィルタリングするステップが、特定のドメインと一致する前記第１および第２のオブジェクトに関する前記関連付けられた関係インスタンスを選択するステップを含むことを特徴とする請求項６に記載のオブジェクト間外延的競合指標計算方法。
10. 前記第１および第２のオブジェクト間の内包的競合指標S_inを計算するステップと、
    前記内包的競合指標S_inを前記外延的競合指標S_outと結合することにより、前記第１および第２のオブジェクト間の競合指標として統合競合指標Sを導出するステップと
    をさらに含むことを特徴とする請求項１に記載のオブジェクト間外延的競合指標計算方法。
11. 前記第１および第２のオブジェクトが、それぞれ、複数の属性で構成される第１のプロファイルと第２のプロファイルを有し、
    前記内包的競合指標S_inの計算ステップが、
    オントロジ情報を参照して前記第１のプロファイルおよび前記第２のプロファイルを正規化するステップと、
    正規化された前記第１のプロファイルおよび前記第２のプロファイルに基づいて、前記第１および第２のオブジェクト間の内包的競合指標S_inを計算するステップと
    をさらに含むことを特徴とする請求項１０に記載のオブジェクト間外延的競合指標計算方法。
12. 前記内包的競合指標を外延的競合指標と結合するステップが、
    前記第１および第２のオブジェクトに関する前記関連付けられた関係インスタンスについて統合戦略を決定するためにデータ品質解析を行なうステップと、
    決定した統合戦略に従って統合競合指標Ｓを計算するステップと
    を含むことを特徴とする請求項１０に記載のオブジェクト間外延的競合指標計算方法。
13. 前記統合競合指標Ｓを計算するステップが、
    決定した統合戦略に従って、内包的競合指標および外延的競合指標に対応する内包的な重み係数および外延的な重み係数を取得するステップと、
    内包的競合指標と外延的競合指標の加重和を、統合競合指標S = S_in×W_in+S_out×W_out
    として計算するステップと
    を含むことを特徴とする請求項１２に記載のオブジェクト間外延的競合指標計算方法。
14. オブジェクト間外延的競合指標を計算するシステムであって、
    第１のオブジェクトと第２のオブジェクトとを取得するオブジェクト取得手段と、
    関係インスタンスを格納する関係インスタンスリポジトリと、
    関係インスタンスリポジトリに格納されるすべての関係インスタンスから、前記第１および第２のオブジェクトに関する関連付けられた関係インスタンスを選択する関係インスタンス選択手段と、
    選択した前記関連付けられた関係インスタンスに基づいて、前記第１および第２のオブジェクト間の外延的競合指標S_outを計算する外延的競合指標計算手段と
    を備えることを特徴とするシステム。
15. 前記外延的競合指標計算手段が、前記関係インスタンスリポジトリに格納される全関係インスタンスが属するドキュメント総数に占める、前記第１および第２のオブジェクトに関する前記関連付けられた関係インスタンスが属するドキュメント数の比率を、第１および第２のオブジェクト間の外延的競合指標S_outとして計算することを特徴とする請求項１４に記載のシステム。
16. 前記第１および第２のオブジェクトに関する選択された前記関連付けられた関係インスタンスのそれぞれが、異なる情報ソースドキュメントに属し、
    前記外延的競合指標計算手段が、
    前記第１および第２のオブジェクトに関する選択された前記関連付けられた関係インスタンスのそれぞれの関係カテゴリを決定する関係カテゴリ判定部と、
    決定した関係カテゴリに基づいて、前記関連付けられた関係インスタンスの各々に対応する競合強度係数W_i(A, B)、および前記関連する関係インスタンスが属する情報ソースドキュメントの信頼度値C_i（ｉは関連する関係インスタンスが属する情報ソースドキュメントを示す）を取得する競合パラメータ選択部と、
    各前記関連付けられた関係インスタンスについて、競合強度S_i(A,
    B) = W_i(A, B) ×C_iを計算する競合強度計算部と、
    前記関係インスタンスリポジトリに格納された全ての関係インスタンスが属するすべての情報ソースドキュメントに基づいて、前記第１および第２のオブジェクト間の外延的競合指標S_outを
    
    （Ｎは、前記関係インスタンスリポジトリに格納された全ての前記関係インスタンスが属する情報ソースドキュメントの総数を示し、Ｓ’_ｉは、情報ソースドキュメントｉにおける全ての関係インスタンスについて最大の競合強度値を示し、ＡとＢは、前記第１および第２のオブジェクトをそれぞれ示す）
    

    

    の式に従って計算する外延的競合指標計算機と
    を備えることを特徴とする請求項１４に記載のシステム。
17. 前記第１及び第２のオブジェクトに関する前記関連付けられた関係インスタンスのそれぞれが、同じ情報ソースドキュメントに属することが可能であり、
    前記外延的競合指標計算手段が、
    前記第１および第２のオブジェクトに関する選択された前記関連付けられた関係インスタンスのそれぞれの関係カテゴリを決定する関係カテゴリ判定部と、
    決定した関係カテゴリに基づいて、前記関連付けられた関係インスタンスの各々に対応する競合強度係数W_i(A, B)、および前記関連する関係インスタンスが属する情報ソースドキュメントの信頼度値C_i（ｉは関連する関係インスタンスが属する情報ソースドキュメントを示す）を取得する競合パラメータ選択部と、
    各前記関連付けられた関係インスタンスについて、競合強度S_i(A,
    B) = W_i(A, B) ×C_iを計算する競合強度計算部と、
    各前記情報ソースドキュメントｉにおける、前記第１及および第２のオブジェクトに関する最大の競合強度値S_i(A,
    B)を、
    
    

    

    の式に従って選択する最大強度選択部と、
    前記関係インスタンスリポジトリに格納された全ての関係インスタンスが属するすべての情報ソースドキュメントに基づいて、前記第１および第２のオブジェクト間の外延的競合指標S_outを
    
    （Ｎは、前記関係インスタンスリポジトリに格納された全ての前記関係インスタンスが属する情報ソースドキュメントの総数を示し、Ｓ’_ｉは、情報ソースドキュメントｉにおける全ての関係インスタンスについて最大の競合強度値を示し、ＡとＢは、前記第１および第２のオブジェクトをそれぞれ示す）
    

    

    の式に従って計算する外延的競合指標計算機と
    を備えることを特徴とする請求項１４に記載のシステム。
18. 前記外延的競合指標計算機は、
    前記第１および第２のオブジェクト間の前記外延的競合指標S_outを、
    
    
    

    

    の式によって計算することを特徴とする請求項１６又は請求項１７に記載のシステム。
19. 前記関係インスタンスが、さらに付加情報を含み、
    前記付加情報に基づいて前記第１および第２のオブジェクトに関する選択された前記関連付けられた関係インスタンスをフィルタリングし、前記付加情報が１以上の所定の条件を満たす前記関連付けられた関係インスタンスを選択する関係インスタンスフィルタ手段を備え、
    前記付加情報が、時間情報、領域情報およびドメイン情報の少なくとも１つであることを特徴とする請求項１４に記載のシステム。
20. 前記付加情報が、時間情報であり、
    前記関係インスタンスフィルタ手段が、特定の期間における前記第１および第２のオブジェクトに関する前記関連付けられた関係インスタンスを選択することを特徴とする請求項１９に記載のシステム。
21. 前記付加情報が、エリア情報であり、
    前記関係インスタンスフィルタ手段が、特定のエリアと一致する前記第１および第２のオブジェクトに関する前記関連付けられた関係インスタンスを選択することを特徴とする請求項１９に記載のシステム。
22. 前記付加情報が、ドメイン情報であり、
    前記関係インスタンスフィルタ手段が、特定のドメインと一致する前記第１および第２のオブジェクトに関する前記関連付けられた関係インスタンスを選択することを特徴とする請求項１９に記載のシステム。
23. 前記第１および第２のオブジェクト間の内包的競合指標S_inを計算する内包的競合指標計算手段と、
    前記内包的競合指標S_inを前記外延的競合指標S_outと結合することにより、前記第１および第２のオブジェクト間の競合指標として統合競合指標Sを導出する結合手段と
    をさらに備えることを特徴とする請求項１４に記載のシステム。
24. 前記第１および第２のオブジェクトが、それぞれ、複数の属性で構成される第１のプロファイルと第２のプロファイルを有し、
    前記内包的競合指標計算手段が、
    オントロジ情報を格納するオントロジ情報ベースと、
    オントロジ情報を参照して前記第１のプロファイルおよび前記第２のプロファイルを正規化する正規化部と、
    正規化された前記第１のプロファイルおよび前記第２のプロファイルに基づいて、前記第１および第２のオブジェクト間の内包的競合指標S_inを計算する内包的競合指標計算部と
    をさらに備えることを特徴とする請求項２３に記載のシステム。
25. 前記結合手段が、
    前記第１および第２のオブジェクトに関する前記関連付けられた関係インスタンスについて統合戦略を決定するためにデータ品質解析を行なうデータ品質解析部と、
    決定した統合戦略に従って統合競合指標Ｓを計算する統合競合指標計算機と
    を備えることを特徴とする請求項２３に記載のシステム。
26. 前記統合競合指標計算機が、
    決定した統合戦略に従って、内包的競合指標および外延的競合指標に対応する内包的な重み係数および外延的な重み係数を取得する重み係数取得部と、
    内包的競合指標と外延的競合指標の加重和を、統合競合指標S = S_in×W_in+S_out×W_out
    として計算する統合競合指標計算部と
    を備えることを特徴とする請求項２５に記載のシステム。
    

Images